۶۶/۲
۸۱/۴
۲۰۱۷
۷۶/۶
۳۶/۲
۵۶/۴
۲۰۱۸
۳۸/۵
۸۹/۰
۱۴/۳
۲۰۱۹
۰۸/۶
۴۹/۱
۷۹/۳
۲۰۲۰
۶۷/۷
۹۷/۲
۳۲/۵
۲۰۲۱
۴۰/۶
۶۰/۱
۴
۲۰۲۲
۶۸/۵
۷۷/۰
۲۳/۳
۲۰۲۳
-
۵ – ۸ – نتایج حاصل از به کارگیری مدل باکس - جنکینز
اگر داده های سری زمانی دارای اثر فصلی یا روند باشند، باید آنها را در جهت ایستایی سوق داد. یعنی باید سعی کرد سری مناسبی را که سطح ثابتی داشته باشد و همچنین ایستا باشد یافت. این ایده با اختیار کردن تفاضلگیری فصلی یا غیر فصلی و یا هر دو با هم تامین می شود. در سریهای زمانی با اثر فصلی و روند، ابتدا باید طول دوره فصل از روی نمودار سری زمانی اولیه مشخص شود ( ساری صراف و جامعی ۱۳۸۱ ). اولین قدم در برازش مدلهای باکس جنکینز بررسی ایستا بودن یا ناایستایی داده ها میباشد، برای این آزمون ابتدا نمودار نرمال باقیماندهها و باقیمانده واریانس در طول زمان رسم گردید.
از رسم این دو نمودار در چهار فصل مورد مطالعه چنین نتیجه شد که داده های مورد استفاده در این پژوهش در
میانگین ایستا و پایا میباشند ولی ناایستایی و ناپایی آنها مربوط به باقیماندههای واریانس میباشد که در هر چهار
فصل مشترک بوده است شکلهای ( ۵ – ۳۱ تا ۵ - ۳۴).
نمودار ۵ – ۳۱- الف: نرمال باقیماندههای مدل ب: باقیماندههای واریانس در طول زمان فصل زمستان
نمودار ۵ – ۳۲- الف: نرمال باقیماندههای مدل ب: باقیماندههای واریانس در طول زمان فصل بهار
نمودار ۵ – ۳۳- الف: نرمال باقیماندههای مدل ب: باقیماندههای واریانس در طول زمان فصل تابستان
نمودار ۵ – ۳۴ الف: نرمال باقیماندههای مدل ب: باقیماندههای واریانس در طول زمان فصل پاییز
همانگونه که در اشکال ( ۵ – ۳۱ تا ۵ – ۳۴ ) مشخص است در نمودار باقیمانده واریانس ناایستایی وجود دارد. برای حل این مشکل باید از آزمون باکس _کاکس استفاده کرد تا از این طریق بهتوان داده ها را به حد ایستای نرمال رساند. بر اساس تبدیلات توانی باکس _کاکس برای سری دمای حداقل مقادیر پارامتر تبدیل لاندا ( λ )، اگر برابر یک به دست آید، نشان دهنده ایستا بودن سریهای مورد نظر میباشد و در این مورد نیاز به تبدیل نمی باشد. با انجام دادن این آزمون معلوم شد که دمای حداقل در فصل پاییز و بهار برابر با یک میباشد، و در فصلهای زمستان و تابستان معادل ۰۵/۰ و ۴- میباشد، که در نمودار ( ۵ – ۳۵ ) نشان داده شده است.
